广播（Broadcasting)

广播是这样的一个机制：它允许不同维度的张量进行加法或者乘法运算。在运算时，他将会沿着维度缺失的方向复制较小的那个张量。

通过广播机制，一个标量可以被加到矩阵上，一个向量可以被加到矩阵上，或者一个标量可以被加到向量上。

如上图，广播一个行矩阵。T和F分别表示True和False,指明沿着哪个维度可以进行广播。如果第二个参数是向量，它的形状为（2，）以及它的广播模式为（False,）。它将会自动向左展开，匹配矩阵的维度，最终得到（1,2）和（True,Fale）。

不像numpy那样动态地进行广播，Theano需要知道哪些维度需要进行广播。当可用的时候，广播信息将会以变量的类型给出。

下面的代码说明为了和矩阵执行加法运算，行和列怎么进行广播的：

import theanoimport numpyimport theano.tensor as Tr = T.row()r.broadcastable# (True, False)mtr = T.matrix()mtr.broadcastable# (False, False)f_row = theano.function([r, mtr], [r + mtr])R = numpy.arange(3).reshape(1,3)R# array([[0, 1, 2]])M = numpy.arange(9).reshape(3, 3)M# array([[0, 1, 2],#        [3, 4, 5],#        [6, 7, 8]])f_row(R, M)# [array([[  0.,   2.,   4.],#        [  3.,   5.,   7.],#        [  6.,   8.,  10.]])]c = T.col()c.broadcastable# (False, True)f_col = theano.function([c, mtr], [c + mtr])C = numpy.arange(3).reshape(3, 1)C# array([[0],#        [1],#        [2]])M = numpy.arange(9).reshape(3, 3)f_col(C, M)# [array([[  0.,   1.,   2.],#        [  4.,   5.,   6.],#        [  8.,   9.,  10.]])]